跨数据帧计算字符串中的特定字符。应用

Question

我在这里发现了类似的问题： Count the number of words in a string in R? 和这里 Faster way to split a string and count characters using R? 但我无法在我的示例中工作。 我有一个相当大的数据框。其中一列具有特征的基因组位置，条目的格式如下：

[hg19:2:224840068-224840089:-]
[hg19:17:37092945-37092969:-] 
[hg19:20:3904018-3904040:+]
[hg19:16:67000244-67000248,67000628-67000647:+]

我将这些元素拆分为单独的元素以获得以下内容（即，第一个条目）：

hg19    2   224840068   224840089   -

但对于第四个条目，我想将其粘贴到两个单独的位置。 即

hg19:16:67000244-67000248,67000628-67000647:+]

变成

hg19    16  67000244    67000248    +
hg19    16  67000628    67000647    +

（相邻列中的所有关联数据均从原始数据中填写）

对我来说，确定哪些行需要此操作的一种简单方法是简单地计算带有逗号“，”的行，因为它们不会出现在任何其他列的任何其他文本中，除非存在多个基因组位置特征。 但是我在第一关失败了，因为 sapply 命令错误地为每个条目返回“1”。

testdat$multiple <- sapply(gregexpr(",", testdat$genome_coordinates), length)

（或）

testdat$multiple <- sapply(gregexpr("\\,", testdat$genome_coordinates), length)

    table(testdat$multiple)
    1 
    4 

使用我上面发布的示例，我希望输出为

testdat$multiple
0
0
0
1

其实在做

grep -c

在命令行中的相同数据显示我有 10 个包含“，”的条目。

使用我上面发布的示例，我希望输出是

所以最初我想让这个工作，但我也有点难以理解如何提取两个（或更多）位置并将它们放在自己的行上，填充相邻的数据。 实际上我的意图是坚持我知道的东西（在命令行上）用'，'out grepping行，复制文件并拆分和awk选定的列（各个文件中的第一个和第二个位置）然后cat和sort他们。如果在 R 中有更好的方法让我做到这一点，那么我会喜欢一个指针。

Answer 1

gregexpr 实际上确实返回了一个长度为 1 的对象。如果您想找到匹配的行和不匹配的行，那么您需要查看返回的 值 ，而不是长度。匹配失败返回-1。
尝试foo<-sapply(testdat$genome, function(x) gregexpr(',',x)); as.logical(foo) 获取带逗号的行。